• Tidak ada hasil yang ditemukan

PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA MENGGUNAKAN METODE NAÏVE BAYES Prediksi Perilaku Siswa SMK N 2 Surakarta Menggunakan Metode Naive Bayes.

N/A
N/A
Protected

Academic year: 2017

Membagikan "PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA MENGGUNAKAN METODE NAÏVE BAYES Prediksi Perilaku Siswa SMK N 2 Surakarta Menggunakan Metode Naive Bayes."

Copied!
18
0
0

Teks penuh

(1)

PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA

MENGGUNAKAN METODE

NAÏVE BAYES

PUBLIKASI ILMIAH

Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I pada Jurusan Informatika Fakultas Komunikasi dan Informatika

Oleh:

RAHMANIA SHALIHAH

L 200 120 153

PROGRAM STUDI INFORMATIKA

FAKULTAS KOMUNIKASI DAN INFORMATIKA

UNIVERSITAS MUHAMMADIYAH SURAKARTA

(2)
(3)
(4)
(5)
(6)
(7)

PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA

MENGGUNAKAN METODE NAÏVE BAYES

Abstrak

Sebagai sarana masyarakat, sekolah menampung berbagai macam siswa dengan latar belakang kepribadian yang berbeda. Dengan latar belakang kepribadian yang berbeda tersebut dapat memungkinkan para siswa mengalami berbagai masalah. Perilaku siswa yang bermasalah merupakan persoalan yang seharusnya dapat membuat para pengajar saat ini peduli. Siswa dengan masalah membutuhkan perhatian khusus dari pihak sekolah yang bertugas untuk membantu memecahkan masalah para siswa. Selain itu, perilaku bermasalah membuat kinerja di sekolah tertunda dan terganggu. Bahkan dapat mengurangi kepercayaan masyarakat akan kualitas dari sekolah tersebut. Sehingga diperlukan sebuah sistem pemprediksi siswa yang mempunyai potensi membuat masalah dengan menggunakan metode naive bayes yang nantinya akan dibina dan dibimbing oleh pihak sekolah. Teknik data mining yang digunakan dalam memprediksi siswa ini menggunakan metode Naive Bayes. Metode Naïve Bayes dimanfaatkan untuk memprediksi bahwa siswa tersebut berpotensi membuat masalah atau tidak, variabelyang digunakan terdiri dari Jurusan, nilai IQ, nilai stabilitas emosi, nilai hubungan sosial dan nilai kepercayaan diri. Penelitian ini menghasilkan sebuah sistem aplikasi yang dapat membantu pihak sekolah dalam memprediksi dan meminimalisir siswa yang berpotensi membuat masalah.

Kata Kunci: data mining, naïve bayes, siswa bermasalah, sekolah.

Abstract

Public school as a means of accommodating diverse backgrounds of students with different personalities. With a background of a different personality may allow students to experience a variety of problems. Bad behavior is an issue that should be the concern of teachers today. Students with bad behavior require special attention from the school authorities which served to help solve the problems of the students. Moreover, it makes the performance of school will be delayed and disrupted. It can even reduce public confidence in the quality of the school. So, we need a system predictor of students is potentially create problems using Naive Bayes that will be nurtured and mentored by the school. Data mining technique that are used in predicting these students is Naive Bayes method. Naïve Bayes used to predict that the student could potentially create a problem or not, the variables used are the Department, IQ scores, emotional stability values, the value of social relationships and the value of self-confidence. Results from this study is an application system that can help the school in predicting and minimizing potential students make trouble.

Keyword : data mining, naïve bayes, troubled students, school

1.PENDAHULUAN

(8)

Kementrian Pendidikan dalam menyiapkan lulusan siswa SMK untuk membangun sebuah kurikulum yang dapat memberikan keahlian kepada siswa, salah satunya adalah SMK Negeri 2 Surakarta yang menampung berbagai macam latar belakang dan kepribadian siswa yang berbeda. Dengan latar belakang dan kepribadian yang berbeda tersebut dapat memungkinkan para siswa mengalami berbagai masalah, seperti melanggar peraturan. Tidak sedikit siswa yang melanggar peraturan tata tertib di sekolah tersebut.

.

Tabel 1. Data pelanggaran siswa tahun 2014

Jenis Pelanggaran Jumlah siswa

yang melanggar

Tidak memakai seragam sesuai aturan yang berlaku 60

Tidak berpakaian rapi dan sopan 14

Terlambat masuk sekolah/dipulangkan, 36

Membawa dan merokok di lingkungan Sekolah 5

Perkelahian antar pelajar 3

Tidak masuk tanpa keterangan lewat tiga hari 24

Masalah yang dialami mereka seringkali membuat siswa tersebut sulit untuk melakukan

adaptasi sosial atau menyesuaikan diri dalam suatu lingkungan. Perilaku siswa yang bermasalah

merupakan sebuah persoalan yang seharusnya menjadi kepedulian para pengajar saat ini. Siswa

dengan masalah membutuhkan perhatian khusus. Oleh karena itu, pihak sekolah bertugas untuk

membantu memecahkan masalah para siswa. Selain itu, siswa bermasalah membuat kinerja di

sekolah tertunda dan terganggu. Bahkan dapat mengurangi kepercayaan masyarakat akan kualitas

dari sekolah tersebut.

Dalam suatu lembaga seperti sekolah, siswa dapat dikatakan telah melakukan

penyimpangan apabila tidak mentaati tata tertib yang ada disekolah. Bentuk-bentuk perilaku

menyimpang yang terjadi disekolah antara lain: a) Rambut disemir, b) Rambut panjang bagi siswa

putra, c) Merokok, d) Mentato kulit, e) Mencuri, f) Berkelahi, g) Pergaulan bebas, h) Merusak

sepeda/motor temannya, i) Sering membolos, j) Tidak disiplin, k) Tidak masuk sekolah, l)

Bermain PS pada waktu jam pelajaran, m) Ramai didalam kelas, dan n) Mengotori kelas dan

halaman sekolah (Asmani, 2012).

Perilaku bermasalah pada siswa yang umumnya masih remaja berkaitan dengan

perkembangan kepercayaan diri pada siswa tersebut, dimana memiliki peran besar yaitu kepercayaan

(9)

Kecerdasan intelektual merupakan kemampuan melakukan berbagai aktivitas, seperti mental

dalam berfikir, menalar dan dalam memecahkan masalah (Dwijayanti, 2009). Kecerdasan emosi

adalah kemampuan mengatur emosi dengan baik dalam mempengaruhi suatu hubungan dengan

orang lain dan mengelola diri sendiri pada hal-hal yang positif. Siswa yang prestasinya baik

memiliki nilai kecerdasan emosi yang tinggi. Hal tersebut dapat dibuktikan dari perilaku siswa

tersebut terhadap guru dan teman-temannya. Siswa yang memiliki kecerdasan emosional tinggi

akan memiliki IQ yang tinggi pula (Nurhidayah, 2011).

Stabilitas emosi adalah sebuah proses di mana kepribadian seseorang untuk menunjukkan

rasa emosional yang baik antara psikis maupun pribadi (Simon dalam Chaturvedi & Chander, 2010).

Terdapat hubungan negatif yang sangat signifikan antara perilaku agresi dengan kecerdasan emosi.

Semakin rendah perilaku agresi maka kecerdasan emosi semakin tinggi. Sebaliknya, semakin

tinggi perilaku agresi maka kecerdasan emosi akan semakin rendah (Setiawati, 2015). Hal ini dapat

disimpulkan bahwa stabilitas emosi berbanding lurus dengan kecerdasan emosi.

Kompetensi sosial merupakan kemampuan serta perilaku yang meliputi aspek sosial dan

emosional yang dibutuhkan anak-anak untuk dapat menyesuaikan diri secara baik dengan

masyarakat (Welsh & Beirman, 2011). Terdapat hubungan positif yang sangat signifikan antara

kompetensi sosial dengan kepercayaan diri. Hal ini menunjukkan bahwa semakin tinggi kompetensi

sosial maka kepercayaan diri semakin tinggi pula. Sebaliknya, semakin rendah kompetensi sosial

maka kepercayaan diri juga akan semakin rendah (Santoso, 2015).

Banyak yang menggunakan metode Naïve Bayes dalam melakukan penelitian untuk

memprediksi suatu persoalan tertentu. Shaleh (2015) mengatakan bahwa setiap mahasiswa tingkat

akhir di Universitas Potensi Utamamemiliki kewajiban untuk mengikuti English Profeciency Test,

yaitu tes untuk mengukur kemahiran mahasiswa dalam menguasai bahasa inggris. Penelitian ini

dilakukan dengan menggunakan implementasi metode klasifikasi Naive Bayes untuk memprediksi

dan mengklasifikasikan mahasiswa yang lulus dalam mengikuti tes tersebut. Persentase keakuratan

klasifikasi sebesar 98%. Dari 50 data yang diuji terdapat 49 data mahasiswa yang telah berhasil

diklasifikasikan secara tepat.

Bustami (2013) mengatakan banyaknya nasabah yang sering menunda dalam membayar

sejumlah uang yang harus dibayarkan setiap bulannya atau istilah lain adalah premi, menimbulkan

sebuah permasalahan dalam perusahaan asuransi. Premi merupakan sebuah kewajiban dari

tanggung jawab atas keikutsertaan pada sebuah asuransi. Dengan menggunakan teknik data mining

(10)

akan bergabung dalam membayar premi. Dengan menggunakan algoritma Naive Bayes

menghasilkan sistem klasifikasi data nasabah yang dapat menampilkan informasi klasifikasi lancar,

kurang lancar atau tidak lancarnya calon nasabah dalam membayar premi asuransi nantinya.

Sehingga hal ini dapat membantu perusahaan asuransi dalam memilah nasabah yang lama dalam

melakukan pembayaran.

Wang (2016) mengungkapkan bahwa dalam era kustomisasi yang terus membesar

berdasarkan kebutuhan pelanggan, metode klasifikasi yang disebut MP-NB (i.e. Map Reduce-based

Naive Bayes), yaitu peta pengurangan berbasis Naive Bayes yang diusulkan untuk memproses Cria

(i.e. Customer Requirement Information Acquisition) seperti kebutuhan pelanggan dan perolehan

informasi klasifikasi data seluler dalam skala besar menggunakan sistem berbasis Hadoop. X untuk

menyimpan Cria pada HDFS. Kombinasi dengan teori standarisasi Cria ini menggunakan peta

pengurangan kerangka komputasi terdistribusi untuk mencapai paralelisasi naive bayes. Menurut

tingkat pengolahan, percobaan ekstensif tentang gigabyte informasi persyaratan ponsel realistis

diklasifikasikan pada Hadoop. Dan hasilnya menunjukkan bahwa MP-NB ditandai dengan efisiensi

unggul dan skalabilitas yang baik.

Baradwadj & Pal (2011) mengatakan tujuan utama dari lembaga pendidikan tinggi adalah

untuk menyediakan pendidikan berkualitas untuk mahasiswa. Salah satu cara untuk mencapai tingkat

kualitas dalam sistem pendidikan tinggi adalah dengan memprediksi hasil kerja siswa. Dalam

penelitian ini, dilakukan klasifikasi untuk mendapatkan hasil pengetahuan yang menggambarkan

kinerja siswa dalam ujian akhir semester. Hal ini membantu dalam mengidentifikas siswa yang

putus sekolah dan membutuhkan perhatian khusus, sehingga memungkinkan guru untuk memberikan

konseling yang sesuai.

Berdasarkan telaah beberapa penelitian tersebut diatas, diketahui bahwa penggunaan metode

Naïve Bayes dapat digunakan dalam penelitian untuk memprediksi suatu kejadian yang akan datang.

Metode naïve bayes merupakan salah satu teknikdata mining untuk memanfaatkan data yang sangat

banyak sebagai sumber informasi yang tepat dalam pengklasifikasian data. Penggunaan data mining

dapat membantu perusahaan atau suatu lembaga yang dapat digunakan dalam pengambilan sebuah

keputusan. (Nugroho, 2014).

Sehingga dalam penelitian ini data yang didapat dari SMK N 2 Surakarta akan digunakan

sebagai data pelatihan untuk memprediksi potensi perilaku siswa baru nantinya. Naïve Bayes

(11)

bermasalah, yang nantinya akan dibina dan dibimbing oleh pihak sekolah sehingga dapat membantu

pihak sekolah dalam memprediksi dan meminimalisir siswa yang berpotensi membuat masalah.

2.METODE

2.1 Analisis Data

Pada tahap ini dilakukan pengolahan dan analisis terhadap data yang telah dikumpulkan

berdasarkan variabel data siswa yang telah ditentukan melalui acuan studi pustaka untuk

memprediksi potensi perilaku siswa.

2.1.1 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data pelanggaran siswa sebagai data training atau

data pelatihan. Sedangkan data testing atau data uji didapat dari data nilai psikotest siswa.

2.1.1.1 Data Pelatihan

Data pelatihan adalah data yang dijadikan untuk mempelajari pola yang ditimbulkan akibat data

sekolah yang telah diketahui sebelumnya. Data pelatihan didapat dari data pelanggaran siswa dan

nilai psikotest. Variabel yang digunakan adalah jurusan, nilai IQ, nilai stabilitas emosi, nilai

kepercayaan diri, nilai hubungan sosial dan potensi perilaku.

2.1.1.2 Data Uji

Data uji merupakan data yang belum terjadi. Data ini diambil dari data nilai psikotest siswa. Variabel

yang diambil yaitu jurusan, nilai IQ, nilai stabilitas emosi, nilai kepercayaan diri, nilai hubungan

sosial. Sehingga akan diprediksi apakah siswa baru nantinya berpotensi berperilaku bermasalah atau

tidak.

2.2 Kebutuhan Data

Tahap ini dilakukan untuk menentukan kebutuhan data yang diperlukan dalam penelitian yang akan

membantu pengembangan sistem. Variabel yang dibutuhkan dalam penelitian ini, yaitu :

(12)

2.3 Pembersihan Data

Pembersihan data dilakukan agar data sesuai dengan kebutuhan sistem. Sehingga data yang diperoleh

tidak terjadi noise atau ketidakkonsistenan data saat pengujian aplikasi ini. Pembersihan data

dilakukan dengan menyesuaikan komponen variabel sesuai dengan kebutuhan sistem.

2.4 Penggunaan Metode Naïve Bayes

Menurut Prasetyo (2012) Metode bayes dapat diartikan suatu teknik dalam memprediksi dengan

menggunakan probabilitas yang sederhana dalam mencari tingkat akurasi berdasarkan pada teorema

bayes yang diterapkan dengan memperhitungkan independensi yang kuat. Independensi yang kuat adalah keadaan pada sebuah data yang tidak saling terkait dengan ada atau tidaknya data yang sama.

Naïve bayes juga berkaitan pada korelasi hipotesis, metode klasifikasi, dan hasil bukti dengan klasifikasi bahwa dengan meggunakan metode ini, kelas akan menjadi target pemetaan dalam klasifikasi, sedangkan bukti merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi.

Penelitian dengan menerapkan metode Naive Bayes dalam mencari tingkat probabilitas

tertinggi dari variabel setiap kemungkinan potensi perilaku siswa. Data sampel pelatihan diambil

sebanyak 400 data siswa, oleh karena itu perulangan pencarian confidence dilakukan sebanyak

jumlah data pelatihan yang telah diperoleh.

3. HASILDANPEMBAHASAN

Data yang diperoleh ada dua jenis yaitu data training dan data testing dengan variabel yaitu jurusan,

nilai IQ, nilai stabilitas emosi, nilai kepercayaan diri, nilai hubungan sosial dan potensi perilaku

siswa. Pada tabel 3 adalah data training yang merupakan potongan data training yang digunakan

sebagai data pendukung aplikasi ini dan data tabel 4 adalah potongan data testing.

(13)

Tabel 4. Data Uji

Sistem melakukan perhitungan dengan menggunakan Naive Bayes, untuk setiap variabel

menghasilkan nilai confidence pada variabel Y. Prediksi yang dinyatakan oleh sistem berdasarkan

nilai terbesar. P(Y=Tidak bermasalah) =242 / 400 = 0,6025

2) Menghitung nilai probabilitas variabel X terhadap variabel Y

P(X1=RPL | Y= Bermasalah) = 13 / 158 = 0,0822 P(X2=700-799 | Y= Bermasalah) = 4 / 158 = 0,0253 P(X3= 600| Y= Bermasalah) = 84 / 158 = 0,5316 P(X4=400 | Y= Bermasalah) = 43 / 158 = 0,2721 P(X5=400 | Y= Bermasalah) = 71/158 = 0,4493

P(X1=RPL | Y= Tidak bermasalah) = 32 / 242 = 0,1323

Dari hasil perhitungan menggunakan rumus HMAP, nilai probabilitas tertinggi diperoleh pada P (

(14)

3.1 Tampilan Program

Tampilan depan atau tampilan home website merupakan tampilan yang berada paling awal ketika

user membuka web sistem prediksi siswa yang berisi penjelasan singkat mengenai tujuan dibuatnya

sistem. Pada halaman ini terdapat beberapa menu yang disediakan antara lain menu Beranda,

Sekilas, Pengujian dan Admin.

Gambar 1. Tampilan Halaman Awal

Pada menu Sekilas terdapat keterangan mengenai penilaian dari kategori IQ, kepribadian,

dan keterangan jurusan siswa, berdasarkan data yang diperoleh dari SMK N 2 Surakarta yang

(15)

Gambar 3 merupakan menu pengujian. Tampilan menu saat user memasukkan data

sesuai pilihan atribut yang ditampilkan sistem untuk menguji atau memprediksi potensi siswa.

Gambar 3. Form pengujian data

Gambar 4 adalah hasil proses pengujian. Sistem memproses informasi berdasarkan data

testing yang telah diisi dan hasil prediksi potensi perilaku siswa berdasarkan perhitungan nilai

confidence.

Gambar 4. Tampilan Hasil dari proses

Gambar 5 merupakan tampilan menu admin, dimana halaman baru dapat diakses setelah admin

(16)

Gambar 5. Tampilan login

Gambar 6 menunjukkan tampilan menu admin setelah login yang dapat digunakan untuk

melihat data training, mengubah data dan menghapus data.

Gambar 6. Form menu admin

Gambar 7 merupakan menu input untuk menambah data training. User admin dapat

(17)

Gambar 7. Form menu input

4.PENUTUP

Berdasarkan hasil penelitian, maka penulis dapat menarik kesimpulan bahwa:

1) Aplikasi data mining berbasis web berhasil dibangun dalam membantu sekolah

memprediksi potensi perilaku siswa.

2) Penelitian menggunakan metode naive bayes dalam memprediksi potensi perilaku siswa

dinilai berhasil karena metode tersebut memiliki nilai keakuratan yang tinggi dan hasilnya

dapat dilihat berdasarkan confidence tertinggi.

DAFTAR PUSTAKA

Asmani, Jamal. (2012). Kiat Mengatasi Kenakalan Remaja di Sekolah. Yogyakarta : Buku Biru.

Baradwaj, B. Kumar, Pal, Sauraph. (2011). Mining Educational Data to Analyze Students

Performance. International Journal of Advancedand Information (IJACSA) Vol. 2, No. 6, 2011, pp 63-69.

Bustami. (2013). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah

Asuransi. TECHSI : Jurnal Penelitian Teknik Informatika.

Chaturvedi, M., & Chander, R. (2010). Development Of Emotional Stability

Scale. Journal Industrial Psychiatry of India, Vol 19 No 1, 37-40.

Nugroho, Yusuf Sulistyo. 2014. Klasifikasi Masa Studi Mahasiswa Fakultas Komunikasi dan

Informatika. Jurnal Komunikasi dan Teknologi Informasi (KomuniTi) ISSN: 2087-085X,

VolumeVI No. I Maret 2014.

Nurhidayah, Diana. (2013). Pengaruh Kecedasan Inteletual dan Kecerdasan Emosional terhada

Prestasi Siswa kelas XI Akuntansi pada Mata Pleajaran Akuntansi di SMK Negeri 1 Surabaya. Fakultas Ekonomi Universitas Negeri Surabaya.

Prasetyo, Eko. (2012). Data Mining Konsep dan Aplikasi menggunakan MATLAB. Penerbit Andi.

(18)

Santoso, Dwi Ardriyanto. (2015). Hubungan antara Kepercayaan diri dengan Kompetensi Sosial pada Siswa SMPN 16 Surakarta. Surakarta: Fakultas Psikologi Universitas Muhammadiyah Surakarta.

Setiawati, Rina. (2015). Hubungan antara Kecerdasan Emosi dengan Perilaku Agresi Siswa.

Surakarta: Fakultas Psikologi Universitas Muhammadiyah Surakarta.

Shaleh, Alfa. (2015). Penerapan Data Mining dengan Metode Klasifikasi Naive Bayes untuk

Memprediksi Kelulusan Mahasiswa dalam Mengikuti English Proficiency Test di Unversitas Potensi Utama. Medan: Fakultas Teknik Informatika Universitas Potensi Utama.

Wang, Xinggang. (2016). Classification Of Customer Requirements On Map Reduce-Based Naïve

Bayes. IEEE International Conference on Big Data Analysis (ICBDA), Hangzhou, China, 2016, pp. 1-4.

Welsh, Janet A. & Beirman, Karen L. (2011). Social competence. Encyclopedia childhood

Gambar

Tabel 1. Data pelanggaran siswa tahun 2014
Tabel 2. Variabel yang digunakan
Tabel 3. Data training
Tabel 4. Data Uji
+5

Referensi

Dokumen terkait

Pada tahapan sistem dilakukan pengujian (testing) dan pemeliharaan, yang dapat digunakan untuk menentukan apakah system / perangkat lunak yang kita buat sudah sesuai dengan

H2c : Perubahan kewajiban pajak tangguhan bersih terkait dengan komponen depresiasi, berguna dalam mendeteksi manajemen laba untuk menghindari kerugian1. H2d : Perubahan

Karakteristik followers akun Twitter @EHIndonesia yang terdiri dari jenis kelamin, usia, tingkat pendidikan, jenis pekerjaan, tingkat pemasukan, dan tempat tinggal tidak

1) Membuat rencana untuk pengadaan, pemeliharaan, kalibrasi dan inventaris peralatan medis di Rumah Sakit. 2) Mmebuat program ujicoba alat sesuai dengan penggunaan. dan

Berdasarkan hasil eksperimen yang kedua, jaringan diuji dengan menggunakan data baru yang berjumlah lima orang jaringan mampu memberikan akurasi sebesar 85,71% yang

(2) Untuj mendapatkan kembali padjak jang telah dibajar jang berkepentingan harus menjerahkan kembali kepada Kepala Urusan Padjak, surat-potong jang dibelinja

Pada gambar di atas dapat diamati hubungan daya rekt cat terhadap komposisi tepung tapioka dengan kapur tohor, pembuatan cat tembok dengan daun jati sebagai

1) Pencurian dengan Kekerasan (pasal 365),tindak pidana pokoknya adalah pencurian, sedangkan kejahatan dalam pasal 339 tindak pidana pokoknya adalah pembunuhan. 2) Kematian